资产相对价值的VaR和CVaR风险

1VaR和CVaR简介本节将先给出原有的V aR和CVaR的定义,再引出风险资产相对价值这种非负指标的VaR和CVaR的新定义,然后两相比较说明新定义的合理性,最后给出了新定义下两种风险的性质。在现有介绍VaR和CV aR的文献中,我们了解到风险资产的VaR和CV aR可以从收益和损失两方面来定义     

沪深股市的风险测度研究

本文比较风险测度方法在不同置信水平下是否能力有效测度沪深市场风险.针对上证综指收益率具有自相关、波动集聚性和杠杆效应特征,运用ARMA-GJR模型对上证综指的负收益率序列进行MLE以求出条件均值和方差以及标准残差序列,运用10%的数据作为极值数据运用MLE方法来估计广义帕累托分布,还对风险测度方法的估计效果进行分析,认为极值VaR能有效测度沪深股市风险.     

金融风险度量VaR与CVaR方法的比较研究及应用

风险价值(VaR)是近年来受到国际金融界的广泛支持和认可的一种度量金融风险的工具。文章指出了风险价值(VaR)模型两个重大的缺陷,并对它和条件风险价值(CVaR)金融风险度量模型进行了详细的介绍和对比分析,给出了它们的共同点和CVaR在投资组合应用中的优势,结合中国金融市场的实际情况,指出CvaR在中国金融市场中应用应注意的问题,对其应用前景提出了新的思路。     

分位数回归视角下的金融市场风险度量研究进展

基于分位数回归的金融市场风险度量方法是一个崭新的研究领域。因具有准确描述失峰、厚尾等数据特征和无需对序列分布做特定假设的优点,分位数回归而倍受关注。梳理基于分位数回归的四种风险度量方法,包括表达式、参数估计、相应的检验过程、存在的问题,以及这些度量方法在国内的研究状况,可为提高我国金融业风险管理水平提供必要的理论指导和实践方法。     

基于非对称GARCH的铜期货市场风险度量研究

针对金融时间序列普遍存在自相关性、杠杆效应、尖峰厚尾等典型事实,运用基于杠杆效应的GARCH模型,构建铜期货市场收益序列具有典型事实的动态风险测度模型:VaR-AR(m)-EGARCH(p,q)和VaR-AR(m)-TGARCH(p,q),再通过上海期货交易所(SHFE)铜期货对所建模型进行实证分析,并运用Back-testing中的LRT(Likelihood Ratio Test)方法,对铜期货市场风险测度模型准确性和可靠性进行实证检验。实证结果表明,基于非对称GARCH的铜期货市场动态风险度量模型,能够有效捕获铜期货市场的典型事实,同时还能够准确测度具有杠杆效应的铜期货市场的动态风险,也能加强对金融市场动态风险预测能力。     

VaR方法在股票投资风险管理中的应用

通过介绍选题背景及国内外文献综述,探讨股票市场风险管理的Va R理论,并对上证综合指数进行了实证分析。实证分析在数据检验的基础上,采用广义误差分布(GED)下的指数广义回归条件异方差(EGARCH)模型对上海证券综合指数日收益率数据进行拟合,计算出对应的Va R值,对结果进行检验和分析,发现该模型很利于股市风险的刻画。     

基于GARCH模型的VaR度量证券投资基金风险实证研究

相对于度量金融资产风险的各种波动性方法和灵敏度方法,VaR方法以其概念简单易懂、关注下行风险和可计算复杂投资组合的风险等优点成为国际上广泛采用的先进风险度量方法。但计算VaR有许多不同的方法,针对不同的资产或资产组合找到合适的VaR计算方法是应用VaR的关键问题。分析证券投资基金的统计特征和风险特性,采用厚尾分布和GARCH模型来计算其VaR值,通过比较得出GED分布假设下的GARCH模型方法是所分析的几种VaR计算方法中的最优方法。     

度量银行操作风险的POT幂律模型及其应用

本文在极值理论的POT模型基础上,建立了基于分维的POT幂律模型,给出了POT模型的阈值选择的理论解释,还给出了满足尾部分布适合幂律的条件.分析表明,此模型较已有方法能更方便地估计尾部参数,对小样本情形研究厚尾问题提供了新的思路.此外,为计算操作风险损失和的在险价值(VaR)问题,本文引入保险理论里的随机和模型,并给出了计算操作风险在险值的简化公式.     

Realized GAS-GARCH及其在VaR预测中的应用

论文提出了新的波动率模型Realized GAS-GARCH,并推导了该模型的QMLE参数估计.该模型结合了Generalized Autoregressive Score (GAS)模型的基本思路,把Realized GARCH 模型扩展到包含厚尾分布的情形,并采用了与厚尾分布参数相依的冲击响应函数.与简单的厚尾分布扩展模型相比,这种设定对于回报率中的极端值更加稳健.在基于沪深300指数高频数据的实证结果中,使用GAS冲击响应函数的模型对“在险价值”VaR的预测能力显著的超过了传统的厚尾Realized GARCH模型.     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。